國(guó)網(wǎng)浙江省電力有限公司岱山縣供電公司 鄔岱琦 唐 潔

根據(jù)國(guó)際能源署的數(shù)據(jù)，電力行業(yè)在2019年全球溫室氣體排放總量中貢獻(xiàn)約45%。二氧化碳是最主要的溫室氣體之一，其排放導(dǎo)致全球氣溫上升，引發(fā)極端天氣事件并對(duì)環(huán)境和人類(lèi)健康產(chǎn)生負(fù)面影響，減少電力行業(yè)的碳排放對(duì)于應(yīng)對(duì)氣候變化和改善環(huán)境質(zhì)量至關(guān)重要[1]。

本文旨在通過(guò)建立多元回歸模型，預(yù)測(cè)電力工程碳排放的變化趨勢(shì)，并探討影響碳排放的關(guān)鍵因素，為電力工程的碳排放控制和管理提供科學(xué)依據(jù)。研究結(jié)果將有助于優(yōu)化電力工程的運(yùn)行策略，減少碳排放，促進(jìn)能源可持續(xù)發(fā)展。

1 碳排放與電力行業(yè)

1.1 碳排放的定義和影響因素

碳排放是指在能源生產(chǎn)和利用過(guò)程中，由于化石燃料的燃燒和工業(yè)生產(chǎn)等活動(dòng)而釋放到大氣中的二氧化碳等溫室氣體。碳排放受到能源消耗、能源結(jié)構(gòu)、工業(yè)活動(dòng)、交通運(yùn)輸?shù)榷喾N因素的影響。

1.2 電力行業(yè)中的碳排放問(wèn)題

為了實(shí)現(xiàn)碳排放減少的目標(biāo)，電力行業(yè)可以采取多種方法，包括促進(jìn)可再生能源的使用、提高能源效率、推廣電動(dòng)汽車(chē)和實(shí)施碳捕集和儲(chǔ)存技術(shù)等。這些措施可以減少碳排放量，提高能源的可持續(xù)性和安全性。目前，需要進(jìn)一步研究如何提高碳排放監(jiān)測(cè)效率和數(shù)據(jù)質(zhì)量，綜合考慮多種方案并尋求最佳解決方法，以完善碳市場(chǎng)體系。同時(shí)，還須關(guān)注數(shù)據(jù)質(zhì)量保障、模型復(fù)雜度和參數(shù)調(diào)整等問(wèn)題，以提高預(yù)測(cè)精確性。未來(lái)的研究需要繼續(xù)投入更多的力量，以推動(dòng)電力行業(yè)的碳排放減少和可持續(xù)發(fā)展[2]。

1.3 碳排放減少的重要性

減少碳排放是實(shí)現(xiàn)可持續(xù)發(fā)展的重要目標(biāo)之一。通過(guò)降低碳排放，可以減少溫室氣體的排放量，緩解氣候變化，改善環(huán)境質(zhì)量，并為未來(lái)能源供應(yīng)提供可持續(xù)的基礎(chǔ)。

2 多元回歸模型的原理和應(yīng)用

在電力行業(yè)的碳排放預(yù)測(cè)方面，國(guó)內(nèi)外進(jìn)行了一些研究。在國(guó)內(nèi)方面，關(guān)于電力行業(yè)碳排放量預(yù)測(cè)的研究比較多。其中，時(shí)間序列分析方法是一種常用的方法。通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行分析，建立數(shù)學(xué)模型來(lái)預(yù)測(cè)未來(lái)的碳排放量。長(zhǎng)沙理工大學(xué)研究者彭舟采用ARIMA 模型和對(duì)中國(guó)電力產(chǎn)業(yè)進(jìn)行預(yù)測(cè)，并設(shè)計(jì)基于VEC 模型與ARIMA 模型的組合預(yù)測(cè)，求解二次規(guī)劃的尋優(yōu)問(wèn)題計(jì)算得到最優(yōu)權(quán)重，在檢驗(yàn)數(shù)據(jù)的擬合度和預(yù)測(cè)效果上都取得了較好的結(jié)果[3]。

河海大學(xué)學(xué)者運(yùn)用深入分析自回歸移動(dòng)平均模型和神經(jīng)網(wǎng)絡(luò)的特性，并在此基礎(chǔ)上建立ARIMA模型和BP 神經(jīng)網(wǎng)絡(luò)組合模型，將碳排放強(qiáng)度的時(shí)間序列的數(shù)據(jù)結(jié)構(gòu)分解為線性和非線性殘差部分，對(duì)我國(guó)碳排放強(qiáng)度的變化趨勢(shì)進(jìn)行了綜合分析與預(yù)測(cè)。

南京航空航天大學(xué)研究者運(yùn)用偏最小二乘回歸方法，構(gòu)建了我國(guó)碳排放預(yù)測(cè)的STIRPAT 模型，并結(jié)合擬合模型分析了各因素對(duì)碳排放的解釋作用，指明了碳減排應(yīng)重點(diǎn)關(guān)注的因素[4]。

此外，基于機(jī)器學(xué)習(xí)算法的模型也逐漸被引入到電力行業(yè)碳排放量預(yù)測(cè)中，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。這些方法能夠自動(dòng)地識(shí)別出具有預(yù)測(cè)能力的數(shù)據(jù)特征，從而提高預(yù)測(cè)的準(zhǔn)確性。同時(shí)，還有一些學(xué)者采用多元回歸模型，將能源消費(fèi)結(jié)構(gòu)、經(jīng)濟(jì)增長(zhǎng)等因素考慮在內(nèi)，以提高預(yù)測(cè)結(jié)果的準(zhǔn)確性。

在國(guó)外方面，電力行業(yè)碳排放量預(yù)測(cè)的研究也十分活躍。不同于國(guó)內(nèi)，一些發(fā)達(dá)國(guó)家的研究更注重模型的復(fù)雜性和準(zhǔn)確性。Shrestha 等人[5]進(jìn)行對(duì)我國(guó)碳排放強(qiáng)度研究，主要對(duì)中國(guó)等12個(gè)亞洲國(guó)家碳排放強(qiáng)度影響因素進(jìn)行分解。Tseng 等人[6]利用ARIMA 與BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)成SARIMABP 模型進(jìn)行季節(jié)性時(shí)間預(yù)測(cè)。

需要指出的是，在電力行業(yè)碳排放量預(yù)測(cè)方面，還存在著一些問(wèn)題。首先，數(shù)據(jù)質(zhì)量難以保證；其次，模型復(fù)雜度較高，許多參數(shù)需要根據(jù)實(shí)際場(chǎng)景調(diào)整，這也增加了模型的不確定性。因此，未來(lái)在電力行業(yè)碳排放量預(yù)測(cè)方面，還需要繼續(xù)投入更多的研究力量，以提高預(yù)測(cè)的精確性。目前，在本文的研究中，采用多元回歸的方法。

2.1 多元回歸模型的基本原理

多元回歸模型是一種統(tǒng)計(jì)分析方法，用于研究多個(gè)自變量與一個(gè)因變量之間的關(guān)系。通過(guò)建立回歸方程，可以預(yù)測(cè)因變量的值，并分析各個(gè)自變量對(duì)因變量的影響程度。

2.2 多元回歸模型在碳排放預(yù)測(cè)中的應(yīng)用

多元回歸模型在碳排放預(yù)測(cè)中具有廣泛的應(yīng)用。通過(guò)收集和分析相關(guān)數(shù)據(jù)，建立多元回歸模型，可以預(yù)測(cè)電力工程碳排放的變化趨勢(shì)，并探討影響碳排放的關(guān)鍵因素。

2.3 模型選擇和評(píng)估方法

在建立多元回歸模型時(shí)，需要選擇適當(dāng)?shù)淖宰兞亢鸵蜃兞浚⑦M(jìn)行模型的評(píng)估和驗(yàn)證。常用的評(píng)估方法包括殘差分析、方差分析和回歸系數(shù)的顯著性檢驗(yàn)等。

3 基于多元回歸模型的電力工程碳排放預(yù)測(cè)

在電力行業(yè)碳排放預(yù)測(cè)中，電力數(shù)據(jù)具有重要意義。通過(guò)監(jiān)測(cè)和分析電力系統(tǒng)的負(fù)荷情況、發(fā)電方式和能源結(jié)構(gòu)等因素，可以推算出對(duì)應(yīng)的碳排放量。因此，建立回歸模型來(lái)探索電力數(shù)據(jù)和碳排放的關(guān)系，實(shí)現(xiàn)“以電測(cè)碳”是一種可行的方法（如圖1所示）。

圖1 電力工程碳排放預(yù)測(cè)模型建立示意圖

基于多元回歸模型的電力工程碳排放預(yù)測(cè)方法包括數(shù)據(jù)收集和預(yù)處理、變量選擇和特征工程、模型構(gòu)建和參數(shù)估計(jì)、模型驗(yàn)證和預(yù)測(cè)四個(gè)方面（如圖2所示）。

圖2 基于多元回歸模型的電力工程碳排放預(yù)測(cè)方法流程圖

一是要收集電力工程碳排放和相關(guān)因素的數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)清洗、缺失值處理和異常值檢測(cè)等。二是根據(jù)碳排放的影響因素，選擇合適的自變量，并進(jìn)行特征工程，包括變量變換、標(biāo)準(zhǔn)化和降維等。三是建立多元回歸模型，通過(guò)最小二乘法估計(jì)模型的參數(shù)，并進(jìn)行模型的擬合和優(yōu)化。四是通過(guò)交叉驗(yàn)證和誤差分析等方法，對(duì)模型進(jìn)行驗(yàn)證，并進(jìn)行碳排放的預(yù)測(cè)和趨勢(shì)分析。

基于2007—2019年全國(guó)發(fā)電量（處理后）的數(shù)據(jù)，本文使用多元回歸分析方法構(gòu)建全國(guó)電力行業(yè)碳排放預(yù)測(cè)模型，具體建模過(guò)程如下。使用MATLAB 繪圖命令將經(jīng)過(guò)預(yù)處理的數(shù)據(jù)繪制，可以看到不同自變量與因變量的變化趨勢(shì)與相關(guān)性分析吻合。

多元線性回歸是一種廣泛應(yīng)用于數(shù)據(jù)分析和機(jī)器學(xué)習(xí)中的統(tǒng)計(jì)方法，通過(guò)建立多個(gè)自變量和一個(gè)因變量之間的關(guān)系模型來(lái)預(yù)測(cè)未知的因變量值。相比于簡(jiǎn)單線性回歸，多元線性回歸可以考慮更多的自變量對(duì)因變量的影響。本文僅選取不同能源形式的發(fā)電量作為自變量，所選自變量為同一類(lèi)型，因此采用多元線性回歸模型，公式如下：

經(jīng)調(diào)用MATLAB 中的regress 函數(shù)后，得到碳排放量的預(yù)測(cè)曲線，如圖3所示。

圖3 碳排放量實(shí)際量與預(yù)測(cè)量

多元回歸擬合的碳排放曲線和真實(shí)碳排放曲線吻合程度高，表示模型能夠較好地解釋因變量（碳排放）的變化，同時(shí)也具有較好的預(yù)測(cè)能力。由MATLAB 計(jì)算的預(yù)測(cè)曲線系數(shù)見(jiàn)表1。

表1 多元線性預(yù)測(cè)曲線的系數(shù)

因?yàn)轭A(yù)測(cè)曲線函數(shù)表達(dá)式為：

4 結(jié)論與展望

火力發(fā)電、風(fēng)力發(fā)電、核能發(fā)電、太陽(yáng)能發(fā)電和其他發(fā)電方式的碳排放量和發(fā)電量之間的相關(guān)性因其特點(diǎn)而異?；鹆Πl(fā)電：主要依賴(lài)于化石燃料，如煤炭、天然氣和石油等。其燃燒產(chǎn)生的二氧化碳、一氧化碳等溫室氣體導(dǎo)致較高的碳排放量?；鹆Πl(fā)電的發(fā)電量與燃料供應(yīng)和市場(chǎng)需求相關(guān)，與發(fā)電量呈現(xiàn)明顯的正相關(guān)性。

風(fēng)力發(fā)電：是一種綠色環(huán)保、無(wú)污染、安全可靠的發(fā)電方式，其碳排放量較低。其發(fā)電量與風(fēng)速和設(shè)備質(zhì)量相關(guān)，與發(fā)電量呈現(xiàn)明顯的負(fù)相關(guān)性。

核能發(fā)電：以核反應(yīng)為原理的發(fā)電方式，碳排放量較低。然而，核廢料處理和核事故潛在危險(xiǎn)等問(wèn)題使人們對(duì)其持謹(jǐn)慎態(tài)度。核能發(fā)電的發(fā)電量通常較穩(wěn)定，與發(fā)電量呈現(xiàn)較弱的負(fù)相關(guān)性。

太陽(yáng)能發(fā)電：利用太陽(yáng)能轉(zhuǎn)化為電能的發(fā)電方式，碳排放量較低。但受天氣和光照等因素影響，發(fā)電量存在波動(dòng)。太陽(yáng)能發(fā)電的發(fā)電量與季節(jié)、時(shí)間和地理位置等因素相關(guān)，與發(fā)電量呈現(xiàn)較弱的負(fù)相關(guān)性。

其他發(fā)電方式：包括水力發(fā)電、生物質(zhì)發(fā)電和潮汐能發(fā)電等多種形式。這些發(fā)電方式的碳排放量和發(fā)電量之間的相關(guān)性因具體情況而異，但整體上對(duì)環(huán)境的影響相對(duì)較小。

不同類(lèi)型的能源發(fā)電方式與碳排放量之間的相關(guān)性取決于能源來(lái)源、生產(chǎn)工藝和設(shè)備技術(shù)等因素。在推進(jìn)可持續(xù)發(fā)展和保護(hù)環(huán)境的過(guò)程中，應(yīng)優(yōu)先考慮使用低碳排放、高效節(jié)能的發(fā)電方式。